Комп’ютерне моделювання впливу надлишковості на точність визначення поточних параметрів логарифмічної функції перетворення сенсора
DOI:
https://doi.org/10.32515/2664-262X.2025.12(43).1.333-341Ключові слова:
параметри логарифмічної функції перетворення, надлишковість, калібровані потоки випромінюванняАнотація
Досліджено вплив значень каліброваних потоків випромінювання на точність визначення параметрів логарифмічної функції перетворення фотодіода, а також визначені взаємозалежності параметрів між собою. Встановлено, що для отримання високоточних значень параметрів функції перетворення необхідно сформувати надлишкові такти вимірювання каліброваних потоків випромінювання фіксованих значень. Проаналізовано вплив величини відхилення темнового потоку на точність визначення параметрів логарифмічної функції перетворення фотодіода.
Посилання
Список літератури
1. Klebba M., Frącz A., Brodzicki M., Rzepkowska A., Wąż M. Time constant as the main component to optimize the resistance temperature sensors’ calibration process. Sensors. 2024. Vol. 24 (2). P. 487. DOI: https://doi.org/10.3390/s24020487.
2. Wang L., Tao H.-B., Dong H., Shao Z.-B., Wang F. A non-linear temperature compensation model for improving the measurement accuracy of an inductive proximity sensor and its application-specific integrated circuit implementation. Sensors. 2020. Vol. 20 (17). P. 5010. DOI: https://doi.org/10.3390/s20175010.
3. Пановик У. П., Гідей Р. В., Богоніс О. О. Інтегровані метрологічні системи в індустрії 4.0. Наукові записки Української академії друкарства. 2024. № 1 (68). С. 71–82.
4. Глухов С., Сакович Л., Козєл В., Семеха С., Бабій О. Побудова автоматизованої системи метрологічного забезпечення цифрових вимірювальних приладів з використанням інформаційних технологій. International Scientific Discussion: Problems, Tasks and Prospects : 9th Int. Sci. and Practical Conf. (May 19–20, 2024). № 45 (201). P. 603–607. DOI: https://doi.org/10.51582/interconf.19-20.05.2024.061.
5. Varshney A., Garg N., Nagla K. S., Nair T. S., Jaiswal S. K., Yadav S., Aswal D. K. Challenges in sensors technology for Industry 4.0 for futuristic metrological applications. MAPAN. 2021. № 2. P. 215–226. DOI: https://doi.org/10.1007/s12647-021-00453-1.
6. Kang Q., Lin Y., Tao J. A reliability analysis of a MEMS flow sensor with an accelerated degradation test. Sensors. 2023. Vol. 23 (21). P. 8733. DOI: https://doi.org/10.3390/s23218733.
7. Awad M., Kiesse T. S., Assaghir Z., Ventura A. Convergence of sensitivity analysis methods for evaluating combined influences of model inputs. Reliability Engineering and System Safety. 2019. Vol. 189. P. 109–122. DOI: https://doi.org/10.1016/j.ress.2019.03.050.
8. Yang C., Bohlin G., Oechtering T. Environmental variation or instrumental drift? A probabilistic approach to gas sensor drift modeling and evaluation. IEEE Sensors. 2024. P. 1–4. DOI: https://doi.org/10.1109/SENSORS60989.2024.10784897.
9. Zhu M., Li J., Wang W., Chen D. Self-detection and self-diagnosis methods for sensors in intelligent integrated sensing system. IEEE Sensors Journal. 2021. Vol. 21 (17). P. 19247–19254. DOI: https://doi.org/10.1109/JSEN.2021.3090990.
10. Aswal N., Sen S., Mevel L. Switching Kalman filter for damage estimation in the presence of sensor faults. Mechanical Systems and Signal Processing. 2022. Vol. 175. P. 109116. DOI: https://doi.org/10.1016/j.ymssp.2022.109116.
11. Гонсьор О., Демідов О. Застосування безсерверних систем для обробки метрологічних метаданих в ІоT. ISTCMTM. 2024. Vol. 85 (4), № 4. С. 25–29. DOI: https://doi.org/10.23939/istcmtm2024.04.025.
12. Пановик У., Гідей Р. Математичне моделювання процесу агрегації та обробки вимірювальної інформації в автоматизованих метрологічних системах моніторингу. Measuring and Computing Devices in Technological Processes. 2025. Vol. 82 (2). P. 37–44. URL: https://vottp.khmnu.edu.ua/index.php/vottp/article/view/478 (дата звернення: 18.06.2025).
13. Shcherban’ V., Korogod G., Chaban V., Kolysko O., Shcherban’ Yu., Shchutska G. Computer simulation methods of redundant measurements with the nonlinear transformation function. Eastern-European Journal of Enterprise Technologies. 2019. Vol. 98 (2/5). P. 16–22. DOI: https://doi.org/10.15587/1729-4061.2019.160830.
14. Shcherban’ V., Korohod H., Chuprynka N., Kolysko O., Shcherban’ Y., Shchutska G. Computer analysis of multiple measurements with the sensor’s quadratic transformation function. Eastern-European Journal of Enterprise Technologies. 2023. Vol. 1 (5/121). P. 17–25. DOI: https://doi.org/10.15587/1729-4061.2023.273299.
15. Shcherban’ V., Korohod H., Kolysko O., Kyrychenko A., Shcherban’ Y., Shchutska G. Determining features in the application of redundancy for the thermistor cubic transformation function using computer simulation. Eastern-European Journal of Enterprise Technologies. 2024. Vol. 1 (5/127). P. 33–40. DOI: https://doi.org/10.15587/1729-4061.2024.297619.
16. Shcherban’ V., Korogod G., Kolysko O., Kolysko M., Shcherban’ Yu., Shchutska G. Computer simulation of logarithmic transformation function to expand the range of high-precision measurements. Eastern- European Journal of Enterprise Technologies. Information and Controlling System. 2021. Vol. 2 (9/110).
P. 27–36. DOI: https://doi.org/10.15587/1729-4061.2021.227984.
References
1. Awad, M., Kiesse, T. S., Assaghir, Z., & Ventura, A. (2019). Convergence of sensitivity analysis methods for evaluating combined influences of model inputs. Reliability Engineering and System Safety, 189, 109–122. https://doi.org/10.1016/j.ress.2019.03.050
2. Aswal, N., Sen, S., & Mevel, L. (2022). Switching Kalman filter for damage estimation in the presence of sensor faults. Mechanical Systems and Signal Processing, 175, 109116. https://doi.org/10.1016/j.ymssp.2022.109116
3. Glukhov, S., Sakovych, L., Koziel, V., Semekha, S., & Babii, O. (2024, May 19–20). Construction of an automated system for metrological support of digital measuring instruments using information technologies. In International Scientific Discussion: Problems, Tasks and Prospects. 9th International Scientific and Practical Conference (No. 45 (201), pp. 603–607). https://doi.org/10.51582/interconf.19-20.05.2024.061 [in Ukrainian].
4. Honsior, O., & Demidov, O. (2024). Application of serverless systems for processing metrological metadata in IoT. ISTCMTM, 85(4), 25–29. https://doi.org/10.23939/istcmtm2024.04.025 [in Ukrainian].
5. Kang, Q., Lin, Y., & Tao, J. (2023). A reliability analysis of a MEMS flow sensor with an accelerated degradation test. Sensors, 23(21), 8733. https://doi.org/10.3390/s23218733
6. Klebba, M., Frącz, A., Brodzicki, M., Rzepkowska, A., & Wąż, M. (2024). Time constant as the main component to optimize the resistance temperature sensors’ calibration process. Sensors, 24(2), 487. https://doi.org/10.3390/s24020487
7. Mykytyuk, Z., Shymchyshyn, O., Zvorskyi, A., & Markiv, D. (2024). Automation of microclimate control processes in residential premises. Information and Communication Technologies, Electronic Engineering, 4(1), 155–162. https://doi.org/10.23939/ictee2024.01.155
8. Panovyk, U. P., Hidei, R. V., & Bohonis, O. O. (2024). Integrated metrological systems in Industry 4.0. Scientific Notes of the Ukrainian Academy of Printing, 1(68), 71–82 [in Ukrainian].
9. Panovyk, U., & Hidei, R. (2025). Mathematical modeling of the process of aggregation and processing of measurement information in automated metrological monitoring systems. Measuring and Computing Devices in Technological Processes, 82(2), 37–44. vottp.khmnu.edu.ua/index.php/vottp/article/view/478 [in Ukrainian].
10. Shcherban’, V., Korogod, G., Chaban, V., Kolysko, O., Shcherban’, Yu., & Shchutska, G. (2019). Computer simulation methods of redundant measurements with the nonlinear transformation function. Eastern-European Journal of Enterprise Technologies, 98(2/5), 16–22. https://doi.org/10.15587/1729-4061.2019.160830
11. Shcherban’, V., Korohod, H., Chuprynka, N., Kolysko, O., Shcherban’, Y., & Shchutska, G. (2023). Computer analysis of multiple measurements with the sensor’s quadratic transformation function. Eastern- European Journal of Enterprise Technologies, 1(5/121), 17–25. https://doi.org/10.15587/1729-4061.2023.273299
12. Shcherban’, V., Korohod, H., Kolysko, O., Kyrychenko, A., Shcherban’, Y., & Shchutska, G. (2024). Determining features in the application of redundancy for the thermistor cubic transformation function using computer simulation. Eastern-European Journal of Enterprise Technologies, 1(5/127), 33–40. https://doi.org/10.15587/1729-4061.2024.297619
13. Shcherban’, V., Korogod, G., Kolysko, O., Kolysko, M., Shcherban’, Yu., & Shchutska, G. (2021). Computer simulation of logarithmic transformation function to expand the range of high-precision measurements. Eastern-European Journal of Enterprise Technologies. Information and Controlling System, 2(9/110), 27–36. https://doi.org/10.15587/1729-4061.2021.227984
14. Varshney, A., Garg, N., Nagla, K. S., Nair, T. S., Jaiswal, S. K., Yadav, S., & Aswal, D. K. (2021). Challenges in sensors technology for Industry 4.0 for futuristic metrological applications. MAPAN, 2, 215–226. https://doi.org/10.1007/s12647-021-00453-1
15. Wang, L., Tao, H.-B., Dong, H., Shao, Z.-B., & Wang, F. (2020). A non-linear temperature compensation model for improving the measurement accuracy of an inductive proximity sensor and its application- specific integrated circuit implementation. Sensors, 20(17), 5010. https://doi.org/10.3390/s20175010
16. Yang, C., Bohlin, G., & Oechtering, T. (2024). Environmental variation or instrumental drift? A probabilistic approach to gas sensor drift modeling and evaluation. IEEE Sensors, 1–4. https://doi.org/10.1109/SENSORS60989.2024.10784897
17. Zhu, M., Li, J., Wang, W., & Chen, D. (2021). Self-detection and self-diagnosis methods for sensors in intelligent integrated sensing system. IEEE Sensors Journal, 21(17), 19247–19254. https://doi.org/10.1109/JSEN.2021.3090990.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 © Г. О. Корогод, Н. В. Чупринка, А. М. Кириченко
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
